当前路径：/wiki/page/skeda
返回首页索引

SKeDA: A Generative Watermarking Framework for Text-to-video Diffusion Models

置换群 Shuffle-Key (SKe) 置乱 + 差分注意力 (DA) 视频压缩补偿 (arXiv 2026)

Overview

SKeDA 面向 T2V 扩散模型，提出 SKe (Shuffle-Key) 置换群置乱采样和差分注意力(DA)视频压缩补偿两大核心模块，解决视频水印的时域自相关泄露和去同步化两难困境。

Key facts / claims

SKe 置换群置乱

  • 核心问题：一钥多帧→自相关泄露导致条纹伪影；帧帧异钥→无法抗丢帧/帧乱序
  • SKe 方案：全局主密钥 → 对称群置换算子 → 每帧独立重排 → 逆置换集合级聚合
  • 置换算子只改变索引位置，不改变正负号数量比例，边缘分布完美保持
  • 提取时无需帧绝对索引，通过逆置换统一映射回基础密钥空间
  • 余弦相似度/皮尔逊系数统计，集合级均值叠加抑制噪声

差分注意力 (Differential Attention, DA)

  • 问题：H.264/H.265 编码丢弃 P/B 帧残差 → DDIM Inversion 累积漂移误差
  • DA 机制：相邻帧特征差分构建时域潜在差分图 → 自适应校正矩阵注入注意力权重
  • 衰减高噪声 P/B 帧的注意力响应
  • 保留静态背景区域的完整去噪轨迹
  • 中高压缩率(CRF=30)下 BitAcc 大幅超越传统方案

实验优势

  • 对丢帧、帧乱序、帧插值攻击鲁棒（SKe 集合级聚合）
  • 无画质影响（严格保持高斯边缘分布）
  • 极低计算开销（仅一维索引重排）

Sources